-
公开(公告)号：CN107920253A
公开(公告)日：2018-04-17
申请号：CN201711047172.4
申请日：2017-10-31
Applicant: 北京赛思信安技术股份有限公司 , 国家计算机网络与信息安全管理中心
IPC: H04N19/42 , H04N19/436 , H04N19/44 , H04N19/40
Abstract: 本发明公开了一种基于GPU的视频处理方法，涉及音视频处理技术领域。首先从视频数据源端接收视频数据并存储在缓存队列中，依次读取视频数据进行解封装处理；然后对解封装处理后格式为H.264的视频数据，按顺序读取一帧，并解码为YUV格式数据；将解码出来的YUV数据进行内存映射，并转化为NV12格式后，利用视频转码模块再次转换为YUV420p格式；并分别计算YUV420p格式视频数据的Y分量和UV分量的特征值；最后将两个特征值拷贝到CPU侧的系统内存中，并筛选关键帧。筛选出的关键帧利用基于opencl的CPU和GPU之间的内存拷贝技术拷贝到CPU侧的系统内存中，由存储专用线程将关键帧的YUV数存储到文件。本发明实现了视频处理的加速，提升了视频处理的效率，并有效降低了CPU的资源消耗。
-
公开(公告)号：CN107920253B
公开(公告)日：2020-08-18
申请号：CN201711047172.4
申请日：2017-10-31
Applicant: 北京赛思信安技术股份有限公司 , 国家计算机网络与信息安全管理中心
IPC: H04N19/42 , H04N19/436 , H04N19/44 , H04N19/40
Abstract: 本发明公开了一种基于GPU的视频处理方法，涉及音视频处理技术领域。首先从视频数据源端接收视频数据并存储在缓存队列中，依次读取视频数据进行解封装处理；然后对解封装处理后格式为H.264的视频数据，按顺序读取一帧，并解码为YUV格式数据；将解码出来的YUV数据进行内存映射，并转化为NV12格式后，利用视频转码模块再次转换为YUV420p格式；并分别计算YUV420p格式视频数据的Y分量和UV分量的特征值；最后将两个特征值拷贝到CPU侧的系统内存中，并筛选关键帧。筛选出的关键帧利用基于opencl的CPU和GPU之间的内存拷贝技术拷贝到CPU侧的系统内存中，由存储专用线程将关键帧的YUV数存储到文件。本发明实现了视频处理的加速，提升了视频处理的效率，并有效降低了CPU的资源消耗。
-
公开(公告)号：CN116975714A
公开(公告)日：2023-10-31
申请号：CN202310928748.7
申请日：2023-07-27
Applicant: 北京赛思信安技术股份有限公司
IPC: G06F18/241 , H04L9/40 , H04L41/16 , G06F18/2415 , G06F18/10 , G06N3/04 , G06N3/088
Abstract: 本发明公开了一种应用于加密流量分类的ALBERT模型的改进方法，属于网络加密流量分类领域。首先捕获一个网络流量数据包，经过预处理后，转化为ALBERT模型需要的标准输入格式。对ALBERT模型中Self‑Attention层和FFN层进行改进，得到改进后的ALBERT模型。利用ALBERT模型的标准输入，通过MLM方法，对改进后的ALBERT模型进行无监督预训练；当无监督预训练完成后，使用类别标签数据微调模型，并去除mask遮蔽层，保存最终的ALBERT模型。本发明能够有效减小资源损耗，保持稳定的准确率，应用前景更广泛。
-
公开(公告)号：CN114579805B
公开(公告)日：2023-03-28
申请号：CN202210195639.4
申请日：2022-03-01
Applicant: 北京赛思信安技术股份有限公司
IPC: G06F16/783 , G06F16/78 , G06F16/71 , G06V20/40 , G06V10/74 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开一种基于注意力机制的卷积神经网络相似视频检索方法包括：检索视频的关键帧抽取，使用块结构思想代替连续结构思想。视频关键帧图像处理，引入去纯色算法和增强图像整体与局部特征。关键帧特征提取，使用改进的ResNet‑50对关键帧特征提取。检索视频关键帧特征相似检索，引入Faiss检索。帧间结果后处理，引入矫正机和Softmax机制。本发明主要解决了大规模相似视频检索的时间与精度问题，在不降低精度的同时有效的降低了检索时长，大幅度的提升了视频的检索性能。
-
公开(公告)号：CN114565878A
公开(公告)日：2022-05-31
申请号：CN202210195633.7
申请日：2022-03-01
Applicant: 北京赛思信安技术股份有限公司
IPC: G06V20/40 , G06V10/22 , G06V10/40 , G06V10/774 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开一种支持类别可配置的视频标志物检测方法，属于视频数据分析领域。本发明将目标视频标志物进行标志物特征提取，对提取的目标视频标志物特征构建特征索引文件。对待检测的视频进行标志物的目标检测与定位，将检测出的视频标志物进行特征提取，对检测出的视频标志物特征与构建的目标视频标志物特征索引文件进行特征匹配，通过特征匹配后的距离阈值判断检测出的视频标志物是否为目标视频标志物。本发明采用对视频标志物智能检测的审核方式代替了人工视频审核方式，解决了现有的违规视频审核方式的自动化程度低，过分依赖人工等技术问题。有效的提高了视频审核的效率，降低了视频审核的人力物力的成本。
-
Patent Agency Ranking
公开(公告)号：CN114550268A
公开(公告)日：2022-05-27
申请号：CN202210194541.7
申请日：2022-03-01
Applicant: 北京赛思信安技术股份有限公司
IPC: G06V40/16 , G06V20/40 , G06V10/74 , G06V10/774 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种利用时空特征的深度伪造视频检测方法，具体为：S1：使用视频帧提取模型将视频帧提取并保存为照片。利用人脸检测模型对所保存视频帧内目标进行检测识别，并将视频帧内人脸及其周围少部分背景保存为图片，记为人脸图片；S2：使用图像结构相似性模型计算帧间目标物图像相似性指数并通过阈值判断帧图像真伪；S3：利用分类模型通过输入视频帧图像判断视频真伪性。本发明利用视频帧内人脸细节特征检测与视频帧间人脸时序特征检测进行视频真伪判断，有效结合两种方法优点，既利用人脸不断变化的面部表情动作的时序特征又利用人脸主要器官的细节特征，具有高效性与鲁棒性，解决了检测深度伪造视频效率低、误检率高且依赖视频质量的问题。
-
公开(公告)号：CN114565878B
公开(公告)日：2024-05-03
申请号：CN202210195633.7
申请日：2022-03-01
Applicant: 北京赛思信安技术股份有限公司
IPC: G06V20/40 , G06V10/22 , G06V10/40 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开一种支持类别可配置的视频标志物检测方法，属于视频数据分析领域。本发明将目标视频标志物进行标志物特征提取，对提取的目标视频标志物特征构建特征索引文件。对待检测的视频进行标志物的目标检测与定位，将检测出的视频标志物进行特征提取，对检测出的视频标志物特征与构建的目标视频标志物特征索引文件进行特征匹配，通过特征匹配后的距离阈值判断检测出的视频标志物是否为目标视频标志物。本发明采用对视频标志物智能检测的审核方式代替了人工视频审核方式，解决了现有的违规视频审核方式的自动化程度低，过分依赖人工等技术问题。有效的提高了视频审核的效率，降低了视频审核的人力物力的成本。
-
公开(公告)号：CN114783046A
公开(公告)日：2022-07-22
申请号：CN202210195641.1
申请日：2022-03-01
Applicant: 北京赛思信安技术股份有限公司
Abstract: 本发明公开一种基于CNN和LSTM的人体连续性动作相似度评分方法，将标准动作视频和待测动作视频进行关键帧对齐，得到相应的动作序列帧集合。对标准动作序列帧集合和待测动作序列帧集合中的每帧分别使用卷积神经网络进行人体关键点的检测，将得到人体关键点坐标信息转换为人体关键夹角信息。将每个视频得到的关键夹角序列送入循环神经网络中，将得到每个视频的人体连续性动作特征向量。对标准动作视频和待测动作视频的人体连续性动作特征向量进行距离计算并转换为动作相似性评分。本发明可针对与动作标准性相关比赛给出比赛成绩。可代替或辅助动作标准性相关比赛的裁判进行评分。
-
公开(公告)号：CN116847104A
公开(公告)日：2023-10-03
申请号：CN202310930006.8
申请日：2023-07-27
Applicant: 北京赛思信安技术股份有限公司
IPC: H04N19/42 , H04N19/44 , H04N19/436 , H04N19/136
Abstract: 本发明公开了一种基于分布式多芯片解码的高通量视频实时分析处理方法及装置，涉及音视频处理技术领域。该视频实时分析处理装置包括CPU单元、解码单元和分析单元；CPU单元包括资源初始化模块、视频数据预处理模块和调度处理模块，解码单元上承载解码处理模块，分析单元承载分析处理模块。视频数据预处理模块对原始视频数据进行格式过滤，传输给调度处理模块，调度处理模块给视频数据分配固定的解码处理模块；解码处理模块对视频数据进行解码，并筛选关键帧，最后通过基于PCIE总线的视频数据直接传输技术传送给分析处理模块；分析处理模块对视频数据进行计算处理，输出最终视频分析结果。本发明有效降低了CPU的资源消耗，达到高并发高通量的效果。
-
公开(公告)号：CN114783046B
公开(公告)日：2023-04-07
申请号：CN202210195641.1
申请日：2022-03-01
Applicant: 北京赛思信安技术股份有限公司
IPC: G06V40/20 , G06V20/40 , G06V10/74 , G06V10/774 , G06V10/82 , G06N3/0442 , G06N3/0464 , G06N3/08
Abstract: 本发明公开一种基于CNN和LSTM的人体连续性动作相似度评分方法，将标准动作视频和待测动作视频进行关键帧对齐，得到相应的动作序列帧集合。对标准动作序列帧集合和待测动作序列帧集合中的每帧分别使用卷积神经网络进行人体关键点的检测，将得到人体关键点坐标信息转换为人体关键夹角信息。将每个视频得到的关键夹角序列送入循环神经网络中，将得到每个视频的人体连续性动作特征向量。对标准动作视频和待测动作视频的人体连续性动作特征向量进行距离计算并转换为动作相似性评分。本发明可针对与动作标准性相关比赛给出比赛成绩。可代替或辅助动作标准性相关比赛的裁判进行评分。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.097 seconds)
